焊接接头微观组织的研究，由于受到焊接过程复杂性的影响，目前主要还是采用金相实验的方法来进行，而金相实验方法由于要经过焊接、试样准备等一系列环节，因此很繁琐。伴随着在人工神经网络的研究和应用方面取得的进展，基于ANN的焊接接头性能的研究逐渐成为热点。　　在自然界，除了人类之外，还有其他一些生物具有较高的智能并具有一定的学习能力，这些都给人类在解决实际问题时以启迪。遗传算法和人工神经网络就是在此基础上经过许多研究者的不断努力而发展起来的用于解决实际问题的人工智能方法。BP神经网络善长于区域搜索，而遗传算法整体搜索的性能优越，于是研究人员将二者的优点结合起来，构建了全新的解决问题的思路，以便更好地探究BP神经网络的学习行为和GA进化过程的相互作用关系，并用GA对BP神经网络进行优化，从而克服BP网络算法带来的缺陷。　　本文首先介绍了ANN和GA的相关基础理论，在分析了GA在ANN优化应用的基础上，利用GA优化的BP神经网络找到最优的连接权及阈值，避免了BP网络在学习过程中易陷入局部最小点的足，使该神经网络模型的性能得到了极大的提升。　　最后，利用GA优化后的BP神经网络对低合金钢焊接组织进行预测。本文所选用训练样本及测试样本均来自哈焊所编制的《国产低合金钢焊接CCT图册》，并进行了归一化处理。通过对预测结果及实测结果的分析发现利用该优化后的BP神经网络进行预测能得到较理想的预测效果。